TapCub 正式上线:统计、分析、客服一个平台免费用
术语表

什么是产品导览?类型、指标与如何评判效果

产品导览是在产品内带用户走过关键步骤的简短引导。本文讲导览的类型、真正重要的指标,以及为什么走完的人表现更好并不能证明导览有效。

索菲娅·贝内特 审核人 奥利弗·里德 又称 产品演示引导 最后更新 2026 年 11 月 19 日 术语表

一句话回答

产品导览是在产品内部带用户走过几个关键步骤的简短引导流程,用指示、提示气泡或弹窗呈现。评判它要看有多少用户走完并做了目标动作,而不是它被展示了多少次。

公式: 导览完成率 = 走完最后一步的用户数 ÷ 看到导览的用户数。步骤完成率 = 到达第 N+1 步的用户数 ÷ 到达第 N 步的用户数。提升 = 结果率(看到的)− 结果率(对照组)。

什么是产品导览?

产品导览(Product Tour)是在产品内部展示的一段简短的引导流程,带着新用户或回访用户走过几个关键步骤,通常用指示、提示气泡或弹窗来呈现。Amplitude 把导览定义为向用户介绍应用主要功能和工作流程的引导式演示,在新手引导阶段最有用。Intercom 则把它描述为一种交互式的多步骤指南,向客户展示如何使用产品。

导览是手段,不是结果。它的任务是把人推向一个价值时刻,比如创建第一个项目或发出第一条消息。一个展示了 10,000 次却没有人完成的导览,不管看上去多精致,都等于什么也没做。所以真正有用的问题不是“有多少人看到了?”,而是“有多少人走完了,他们有没有去做导览本来要引向的那件事?”下面各节把这个问题变成数字。关于使用最初几分钟的整体设计,见新手引导流程和App 新手引导;首次使用体验本身见 FTUE。本页讲定义和怎么评判一个导览,不是工具对比。

产品导览的类型

Amplitude 把导览分成几种形式,它们对用户的要求不同:

类型是什么最适合主要风险
交互式演示多步骤流程,用户每一步都要动手操作才能继续向新用户讲解核心工作流程序列越长,每一步都在流失人
功能提示在一个新功能或未被充分使用的功能上弹出提示气泡或弹窗在功能相关的那一刻告知用户打断正在做事的人
任务清单用户可以按任意顺序、按自己的节奏完成的任务列表由几个相互独立的部分组成的设置如果不和价值挂钩,很容易被忽略
嵌入式视觉内容一小段图片、视频或动画,解释某个界面,可以随时关闭解释难以用文字描述的内容是被动的,用户看了也不一定去做

另外有两种投放方式。线性导览按固定顺序向每个用户展示同样的步骤。情境式导览根据用户做了什么或没做什么来出现,比如只有在用户对着空白仪表盘待了一分钟之后才出现。情境式导览设计起来更费力,但打断的人更少。

指标:用完成率和结果评判导览,不看展示次数

Amplitude 把完成率、价值实现时间、有引导与无引导的对比,以及 A/B 结果列为主要的衡量方式。写成可以计算的规则如下:

指标公式说明什么
开始率开始导览的用户数 ÷ 看到导览的用户数开头那张卡值不值得点
步骤完成率到达第 N+1 步的用户数 ÷ 到达第 N 步的用户数哪一步在流失人
导览完成率走完最后一步的用户数 ÷ 看到导览的用户数导览长度合不合适
关闭率中途关闭的用户数 ÷ 看到导览的用户数它有多烦人
结果率窗口期内做了目标动作的用户数 ÷ 该组用户数导览有没有达到目的
提升结果率(看到的)− 结果率(没看到的)导览的效果,前提是两组可比

最后两行最重要。完成率只说明导览能让人忍受;只有结果率和提升才说明它值得保留。

算例:一个五步导览

示例数据:一款项目管理工具向 1,000 位新用户展示五步导览。目标结果是 7 天内创建第一个项目。

步骤到达的用户数步骤完成率(相对上一步)占看到导览用户的比例
1. 欢迎卡片1,000—全部
2. 创建项目720720 ÷ 1,000 = 72.0%72.0%
3. 邀请同事540540 ÷ 720 = 75.0%54.0%
4. 打开看板410410 ÷ 540 = 75.9%41.0%
5. 完成330330 ÷ 410 = 80.5%33.0%

导览完成率是 330 ÷ 1,000 = 33%。单步流失最大的是开头那张卡(1,000 人里有 280 人没越过它),所以先要看的是开场,而不是长度。

走完的人表现更好,但这并不能证明导览有效。 走完的 330 人里,有 198 人在 7 天内创建了项目(60%);没走完的 670 人里有 134 人做到了(20%)。差了 40 个百分点,但肯定愿意把五步走完的人,本来就很可能会去做这件事。

对照组才是公平的检验。 假设团队随机留出 20% 的新用户不展示导览。示例结果:

组别用户数7 天内创建了项目结果率
看到导览800336336 ÷ 800 = 42.0%
对照组(没看到)2007272 ÷ 200 = 36.0%

提升是 42.0 − 36.0 = 6.0 个百分点,远小于完成者之间 40 个百分点的差距。对这些数字做双比例 z 检验,得到 z ≈ 1.54,对应的 p 值约为 0.12,所以对照组这么小的时候,这 6 个点仍可能只是偶然。需要更大的对照组或更长的运行时间才能下结论。如何确定对照组的大小,见对照组。

常见误区

  • 报告展示次数。 “导览展示了 50,000 次”既说明不了完成情况,也说明不了结果。
  • 拿走完的人和没走完的人比,再称之为提升。 起作用的是选择效应,60% 对 20% 的差距就是例子。要用随机对照组。
  • 导览把每个按钮都讲一遍。 朝着一个结果走的五个短步骤,好过覆盖整个界面的十五个步骤。
  • 在错误的时机展示。 用户还没见到空状态就在首次加载时弹出导览,回答的是没人问过的问题。
  • 从不下线。 界面改版之后,旧导览会指向已经挪走的按钮。发布涉及导览覆盖的页面时,就要复查导览。
  • 没有退出的路。 始终提供明显的跳过或关闭,并把关闭当作数据,不当作失败。

在 TapCub 里衡量产品导览

以上面的五步导览为例。导览本身在你自己的工具或代码里做;TapCub 用来检验它有没有用。

  1. 把导览的关键时刻作为事件发送。 在导览的代码里调用 tapcub.track,发送 tour_started、带 step 属性的 tour_step_viewed、tour_completed,以及带着被关闭时所在 step 的 tour_dismissed。把它们登记到 全端分析 › 数据管理 › 埋点方案,发布前先把名称定下来。
  2. 建漏斗。 在 全端分析 › 行为分析 › 行为分析 里,建一个从 tour_started 经过各步骤到 tour_completed 的漏斗,就能复现上面的表,看出用户在哪一步流失。
  3. 衡量结果。 再建一个漏斗,从 tour_started 到目标事件(比如 project_created),时间窗口 7 天,并和从未开始导览的用户的同一个漏斗对比。
  4. 存下分组。 在 全端分析 › 用户 › 分群与标签 里为“完成了导览”建一个规则分群,把它当作同期群来比较留存。
  5. 记录变体。 如果你的导览工具分配了对照组,把分配结果作为事件属性(如 tour_variant)发送,再按它拆分结果。

TapCub 不做产品导览,也不把用户随机分到导览组或对照组,它只负责衡量。分组在你的导览工具里做,提升在 TapCub 里读。

另见:什么是走查(walkthrough)?含义、怎么做、怎么衡量。

资料来源

这个解释清楚吗?

我们会根据反馈修改和补充这篇内容。

索菲娅·贝内特

产品应用顾问

关注客户上手、在线沟通与自助服务,将常见使用问题整理为清晰的操作建议与改进思路。

常见问题

常见追问

大家看完定义后最常问的几个问题。

还有其他问题?

直接和 TapCub 团队聊聊——工作日通常几小时内回复。

产品导览和 walkthrough 有什么区别?

这两个词常常混用。有些团队把需要用户在每一步动手操作的叫 walkthrough,把被动的一连串指示叫导览。

怎么衡量产品导览有没有用?

逐步追踪完成情况,再比较看到导览的用户和随机留出、没看到导览的对照组在目标动作上的比率。拿走完的人和没走完的人比,会夸大效果。

产品导览应该多长?

在能达成一个结果的前提下越短越好。看自己漏斗里的步骤完成率:如果某一步比其他步骤流失多得多,就缩短或挪动它。

TapCub 能做产品导览吗?

不能。TapCub 用你在自己的导览工具或代码里发送的事件、漏斗和分群来衡量导览,不做导览,也不把用户随机分组。

在你自己的网站上看这个数字

加一行脚本就能开始,网站和 App 都能接,几分钟内就能看到第一批报表。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie